В статье рассматриваются аспекты, связанные с применением нейронной сети для прогнозирования и оценки эксплуатационных характеристик шпиндельного узла металлорежущего станка. Проводится анализ применения нейронных сетей для решения задач прогнозирования состояния и проектирования конструкций сложных технических объектов. Показано планирование эксперимента с использованием языка Python с реализацией применения генератора псевдослучайных чисел Вихря Мерсенна и описан этап сбора экспериментальных данных для обучения нейронной сети. Приводится настройка модуля Neural networks математического пакета Statistica, в котором осуществлялись построение и обучение нейросети. Показан алгоритм выбора наилучшей нейронной сети по критериям ее производительности и ошибки обучения на тестовом множестве. Выбрана сеть со структурой на основе многослойного персептрона, прогнозирующая работу шпиндельного узла с учетом взаимного влияния факторов - частоты вращения шпинделя (n), времени работы станка (tm) и нагрузки на передний конец шпинделя (P) на выходные переменные - температуру наружного кольца подшипника (T), радиальное биение (Δ) и упругое смещение переднего конца шпинделя (E). Математическая оценка данной сети показала весьма высокую корреляционную связь для переменных T и E и заметную для Δ. При анализе чувствительности переменных видно высокое влияние переменной n и низкое, почти шумовое, - переменной tm. Средняя относительная ошибка сети на тестовом множестве не превысила 10,7 %. Приведенный пример использования построенной нейронной сети и его анализ доказали высокое качество сети со средней относительной ошибкой по отдельным переменным, не превышающей 9,8 %.